論文の概要: Frequent Itemset Mining with Multiple Minimum Supports: a
Constraint-based Approach
- arxiv url: http://arxiv.org/abs/2109.07844v1
- Date: Thu, 16 Sep 2021 10:12:25 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-17 16:31:30.817611
- Title: Frequent Itemset Mining with Multiple Minimum Supports: a
Constraint-based Approach
- Title（参考訳）: 複数の最小サポートを持つ頻繁なアイテムセットマイニング:制約に基づくアプローチ
- Authors: Mohamed-Bachir Belaid and Nadjib Lazaar
- Abstract要約: 複数の最小サポートを持つアイテムセットをマイニングするための制約プログラミング手法を提案する。
実験により,本手法の実用的有効性について,最先端技術と比較した。
- 参考スコア（独自算出の注目度）: 5.414000931860233
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The problem of discovering frequent itemsets including rare ones has received
a great deal of attention. The mining process needs to be flexible enough to
extract frequent and rare regularities at once. On the other hand, it has
recently been shown that constraint programming is a flexible way to tackle
data mining tasks. In this paper, we propose a constraint programming approach
for mining itemsets with multiple minimum supports. Our approach provides the
user with the possibility to express any kind of constraints on the minimum
item supports. An experimental analysis shows the practical effectiveness of
our approach compared to the state of the art.
- Abstract（参考訳）: 稀なものを含む頻繁なアイテムセットを発見するという問題に大きな注目を集めている。
鉱業プロセスは、頻繁かつ稀なレギュラーを一度に抽出できるほど柔軟でなければならない。
一方で、制約プログラミングはデータマイニングタスクに取り組む柔軟な方法であることが最近示されている。
本稿では,複数の最小サポートを持つアイテムセットをマイニングするための制約プログラミング手法を提案する。
当社のアプローチは,最小限の項目をサポートする上で,任意の種類の制約を表現可能にする。
実験分析の結果,本手法の実用性は,技術の現状と比較して明らかとなった。
関連論文リスト
- Theoretical Lower Bounds for the Oven Scheduling Problem [6.144680854063938]
問題の目的は、複数の要因を最小化しながら、オーブンに一連のジョブをスケジュールすることである。
効率的なスケジュールを得るための鍵は、バッチで互換性のあるジョブを同時に処理することだ。
我々はOSPの理論的、問題固有の下限を非常に高速に計算できるように開発する。
論文 参考訳（メタデータ） (2024-10-02T09:30:01Z) - An Embarrassingly Simple Approach to Semi-Supervised Few-Shot Learning [58.59343434538218]
間接学習の観点から、ラベルなしデータの正負の擬似ラベルを正確に予測するための、単純だが非常に効果的な手法を提案する。
私たちのアプローチは、オフザシェルフ操作のみを使用することで、ほんの数行のコードで実装できます。
論文 参考訳（メタデータ） (2022-09-28T02:11:34Z) - A Multi-label Continual Learning Framework to Scale Deep Learning
Approaches for Packaging Equipment Monitoring [57.5099555438223]
連続シナリオにおけるマルチラベル分類を初めて研究した。
タスク数に関して対数的複雑性を持つ効率的なアプローチを提案する。
我々は,包装業界における実世界のマルチラベル予測問題に対するアプローチを検証した。
論文 参考訳（メタデータ） (2022-08-08T15:58:39Z) - Provable Reinforcement Learning with a Short-Term Memory [68.00677878812908]
我々はPMDPsの新しいサブクラスについて研究し、その潜在状態は、最近の短い長さ$m$の履歴によって復号化することができる。
特に、リッチ・オブザーブレーション・セッティングにおいて、指数関数的にスケールするサンプル複雑性を持つ新しい「モーメントマッチング」アプローチを用いて、新しいアルゴリズムを開発する。
以上の結果から,これらの環境下での強化学習には短期記憶が十分であることが示唆された。
論文 参考訳（メタデータ） (2022-02-08T16:39:57Z) - New Tight Relaxations of Rank Minimization for Multi-Task Learning [161.23314844751556]
2つの正規化項に基づく2つの新しいマルチタスク学習定式化を提案する。
本手法は,タスク間で共有される低ランク構造を正確に復元し,関連するマルチタスク学習方法より優れていることを示す。
論文 参考訳（メタデータ） (2021-12-09T07:29:57Z) - CLUB: A Contrastive Log-ratio Upper Bound of Mutual Information [105.73798100327667]
本稿では,相互情報の対物対物対物対物対物対物対物対物対物対物対物対物対物対物対物対物対物対物対物対物対物対物対物対物対物対物対物対物対物対物対物対物対物対物対物対物対物
CLUBの特性とその変分近似に関する理論的解析を行う。
この上限に基づいてMI最小化学習手法を導入し、さらに負のサンプリング戦略で加速する。
論文 参考訳（メタデータ） (2020-06-22T05:36:16Z) - An Integer Linear Programming Framework for Mining Constraints from Data [81.60135973848125]
データから制約をマイニングするための一般的なフレームワークを提案する。
特に、構造化された出力予測の推論を整数線形プログラミング(ILP)問題とみなす。
提案手法は,9×9のスドクパズルの解法を学習し,基礎となるルールを提供することなく,例からツリー問題を最小限に分散させることが可能であることを示す。
論文 参考訳（メタデータ） (2020-06-18T20:09:53Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。